Hemos llegado al final del curso, pero antes de dejarlos quiero especular sobre tres tendencias y necesidades de los MBA que veo como importantes a medida que avanzamos en el modelado de los MBA, este es mi caso particular, son cosas en las que estoy apasionadamente interesado, pero es también acerca de las tendencias que vemos en otras áreas de la ciencia de la computación, en especial acerca de las ciencias sociales computacionales y biológicas y ciencias socioecológicas una de ellas es la generación automática de reglas para los agentes, esto fue algo que hablamos en la lección 9.1, tenemos esta inmensa cantidad de datos, que está siendo recolectada por seres humanos y entidades por todo el mundo, tenemos centros para todo, tenemos la internet de las cosas que está creciendo, tenemos datos sociales, tenemos datos de las app, tenemos datos de los teléfonos en los bolsillos de todos y la pregunta es: podemos usarla de tal manera que podamos definir reglas automáticamente, que capturen la esencia de las acciones humanas sobre esas bases? definamos como los humanos nos movemos por el mundo definamos como los humanos interactuamos con la internet de las cosas, o definamos cómo la internet de las cosas interactúa con sí misma, a medida que los autos se vuelven cada vez más automáticos; por supuesto estas reglas necesitan estar validadas y una de las cosas que podemos hacer para validarlas es construyendo estas reglas, haciendo predicciones sobre lo que vemos y sobre como se llevan a cabo por qué estaríamos interesados en verlas a nivel de los agentes? por qué no usar los datos? pero las reglas de los agentes que predicen la conducta individual de los agentes; no tenemos en verdad la capacidad de evaluar qué pasa si cambiamos el conjunto de instrucciones para un individuo en particular en ese espacio los modelos causales de estado nos brindan un ejemplo de ello, pero podríamos usar otros, podríamos usar, podríamos usar árboles de decisión, podríamos usar reglas de asociación, hay muchos sistemas de clasificación; hay muchos métodos ahí afuera que nos permiten hacer eso Hay todo un conjunto de nuevas fuente de datos, "big data", administrar esto no es nuevo, pero sí lo es la posibilidad de procesar esas grandes cantidades; datos del lenguaje natural, datos para una conversación, datos sociales, datos de las apps, la posibilidad de capitalizar estos datos nos darían formas poderosas de cambiar la forma en que los MBA son percibidos en el mundo que nos rodea, ok? y esto nos daría herramientas mucho más poderosas para poder manejar estas cuestiones Claro, uno de los grandes problemas con algunos de estos datos y una de las cosas de las que la gente se queja, es que los datos rastreables son muy costosos de conseguir en términos digitales. Es información que no nos dice nada. Entonces necesitamos formas de validar estos modelos contra los datos del mundo real y calibrar esos modelos para poder mostrar que están funcionando correctamente necestiamos guías rigurosas para seguir, yo creo, para mostrar que nuestros modelos los MBA fueron validados en forma apropiada; a veces pienso que debería ser algo parecido a los tests de la estadística. La estadística es muy buena. La disciplina de la estadística es muy buena para decir cosas como: "si tenés datos que se ven de esta forma y tus valores de salida se ven de esta forma, aquí tienes varios tests que puedes usar" Y en algunos casos lo que estaremos haciendo es básicamente descubriendo cuales de estos test estadísticos apropiados, que son conocidos, será el más apropiado para aplicar en esta situación en particular y luego, lo que implica esto es que te brinda credibilidad y apoya la idea de que el modelo que generamos y que corrimos con estos tests para compararlo con los datos empíricos, me ayudaron en la validación y aumentaron la confianza en este modelo. Por supuesto ser capaces de calibrar nuestros modelos para aumentar el nivel de validación es algo súmamente útil por lo tanto tener herramientas como el "BehaviorSearch", que ya vimos antes, que sean fáciles de usar, para que los usuarios puedan calibrar sus modelos en forma automática contra datos del mundo real, sería un gran paso adelante dentro de este mundo Por último y como un freno ambas clases de pensamientos acerca del futuro; si pudiéramos construir modelos en forma automática, si pudiéramos construirlos a partir de la inmensa cantidad de datos que tenemos disponibles y pudiéramos en forma continua validar los modelos en forma automática, donde pudiéramos tener un conjunto de tests que nos pudieran decir si el modelo está actuando en forma certera, entonces en teoría, podríamos construir una herramienta que en forma automática pudiera construir un modelo, basado en los datos que fluyen, no es cierto? y con esto quiero decir que se podría bajar información, por ejemplo, de la bolsa, o de Twitter, lo que sea que se necesita y en forma continua construir un modelo de, digamos, el nivel social y económico de un país, por ejemplo o algo por el estilo. O podemos bajar esos datos de la internet de las cosas, cuando vemos sensores que están vinculados con todos los semáforos de una ciudad en particular que detectan el flujo del tráfico y que entonces pueden hacer predicciones continuas acerca de en qué lugares puede llegar a haber atascos de tráfico, de esta manera quienes llevan adelante las políticas y los que gobiernan la ciudad pueden, en tiempo real, cambiar las señales para que la gente pueda escaparse de los atascos de tránsito, o cosas por el estilo. Si este es el caso, si tuviéramos esa posibilidad, esta herramienta para construir estos marcos de referencia en tiempo real que pudieran ser predictivos, bueno tal vez no predictivos, pero que pudieran pronosticar y explorar distintos escenarios del futuro, podríamos usarlos para apoyarlas decisiones en tiempo real entonces, estas tres áreas, el uso de datos transmitidos, el uso del Big Data y la posibilidad de crear automáticamente algunas reglas a partir del Big Data y esta validación y calibración y mejora que yo creo, son críticas para el futuro de los MBA Creo que ya está, terminamos con la Unidad 9, hablamos sobre Big Data y MBA, hablamos sobre las guías de diseño, hablamos de los MBA en términos de comunicación y educación, hablamos de procedimientos avanzados de programación, como MAP y REDUCE, RUN y RUN-RESULT. Hablamos sobre la simulación participante, el modelado de sistemas dinámicos, también hablamos sobre las extensiones y sobre el futuro de los MBA. Ustedes podrán ver las diapositivas de la unidad 9 y verán que la prueba de la Unidad 9 ya llega en breve, pero quiero agradecerles a cada uno por participar en este curso, espero que lo hayan disfrutado, yo lo disfruté mientras lo dicté y también disfruté las discusiones que tuvimos en el foro y en las horas que tuvimos en YouTube y cosas así. Y espero que hayas obtenido algunas cosas interesantes de este curso. Por favor quedemos en contacto a medida que avanzás en tu propio MBA ya sea en tu trabajo o simplemente por diversión